MCRapper: Monte-Carlo Rademacher Averages for Poset Families and Approximate Pattern Mining
MCRapper: Monte-Carlo Rademacher Averages for Poset Families and Approximate Pattern Mining
复制标题
MCRapper：Poset 族的 Monte-Carlo Rademacher 平均值和近似模式挖掘
DOI：
10.1145/3532187
复制
发表时间：
2022
影响因子：
3.6
通讯作者：
Riondato, Matteo
中科院分区：
文献类型：
--
作者：
Pellegrina, Leonardo;Cousins, Cyrus;Vandin, Fabio;Riondato, Matteo
“I'm an MC still as honest”- Eminem，Rap GodWe presentMCRapper，a algorithm for efficient computation of蒙特-卡罗Empirical Rademacher Approach（MCERA）for families of functions exhibiting poset（e.g.，格）结构，例如在许多模式挖掘任务中出现那些结构。MCERA允许我们计算样本均值与其期望值的最大偏差的上限，因此它可以用于找到（1）具有显著性的函数（即，模式），以及（2）高期望函数集合的近似（例如，频繁模式），当可用数据是来自大数据集的小样本时。MCRapper提供的这种灵活性是以前提出的解决方案的一个很大的优势，以前提出的解决方案只能实现两者之一。MCRapper使用函数差异的上限来有效地探索和修剪搜索空间，这是一种借鉴模式挖掘本身的技术。为了展示MCRapper的实际使用，我们使用它来开发用于真频繁模式（TFP）挖掘任务的算法TFP-R，通过适当地计算感兴趣的模式集合的负边界和正边界的近似值，TFP-Rgives保证了包含任何误报的概率，（精确度），并表现出更高的统计能力（召回）比现有的方法提供相同的保证。我们评估MCRapperandTFP-Rand表明，他们优于国家的最先进的各自的任务。
“I’m an MC still as honest” – Eminem, Rap GodWe presentMCRapper, an algorithm for efficient computation of Monte-Carlo Empirical Rademacher Averages (MCERA) for families of functions exhibiting poset (e.g., lattice) structure, such as those that arise in many pattern mining tasks. The MCERA allows us to compute upper bounds to the maximum deviation of sample means from their expectations, thus it can be used to find both(1)statistically-significant functions (i.e., patterns) when the available data is seen as a sample from an unknown distribution, and(2)approximations of collections of high-expectation functions (e.g., frequent patterns) when the available data is a small sample from a large dataset. This flexibility offered byMCRapperis a big advantage over previously proposed solutions, which could only achieve one of the two.MCRapperuses upper bounds to the discrepancy of the functions to efficiently explore and prune the search space, a technique borrowed from pattern mining itself. To show the practical use ofMCRapper, we employ it to develop an algorithmTFP-Rfor the task of True Frequent Pattern (TFP) mining, by appropriately computing approximations of the negative and positive borders of the collection of patterns of interest, which allow an effective pruning of the pattern space and the computation of strong bounds to the supremum deviation.TFP-Rgives guarantees on the probability of including any false positives (precision) and exhibits higher statistical power (recall) than existing methods offering the same guarantees. We evaluateMCRapperandTFP-Rand show that they outperform the state-of-the-art for their respective tasks.
登录
查看更多内容
DOI：
10.1145/2020408.2020500
发表时间：
2011-08
期刊：
--
影响因子：
--
作者：
Mario Boley;C. Lucchese;Daniel Paurat;Thomas Gärtner
通讯作者：
Mario Boley;C. Lucchese;Daniel Paurat;Thomas Gärtner
DOI：
10.1137/1.9781611974010.5
发表时间：
2014-07
期刊：
Informação & Informação
影响因子：
--
作者：
M. Sugiyama;F. Llinares-López;Niklas Kasenburg;Karsten M. Borgwardt
通讯作者：
M. Sugiyama;F. Llinares-López;Niklas Kasenburg;Karsten M. Borgwardt
尝试利用 T 结肠造影中大肠突起病变的分形分析来诊断恶性肿瘤
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
間宮悠;栃木透
通讯作者：
栃木透
A·哈贝：（1989）
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
通讯作者：
--
使用 VC 维度和 Rademacher 复杂度挖掘序列模式
影响因子：
2.3
作者：
Diego Santoro;Andrea Tonon;Fabio Vandin
通讯作者：
Fabio Vandin